DOI：10.3969/j.issn.1672-3872.2026.08.037
作 者：马墨桐（长安大学工程机械学院，陕西 西安 710064）
摘 要：【目的】实现对滚动轴承故障的高精度诊断，预防机械设备停机和安全事故。【方法】提出了一种基于多模态数据的深度学习滚动轴承故障诊断算法，利用变分模态分解（VMD）技术提取故障特征，并采用Transformer模型进行故障模式的识别与分类。【结果】1）通过VMD技术将信号分解为多个固有模态分量（IMF），可以清晰地观察到冲击信号和突变信号在各个模态分量中的显著表现。2）该模型在仿真数据上的总体准确率达99.6%，但在冲击裂纹的识别上，存在少量的误分类情况。【结论】实验结果证实了多模态数据融合方法在提高模型故障诊断准确率方面的有效性，凸显了深度学习模型在自动特征提取和复杂模式识别方面的优势，但模型在特定故障类型区分上仍有改进空间。
关键词：多模态数据；深度学习；故障诊断；变分模态分解；Transformer模型
引文信息：[1]马墨桐.基于多模态数据的深度学习滚动轴承故障诊断算法研究[J].南方农机，2026，57(8)：143-147.
查看全文请下载PDF文件↓
